当心人工智能清洗产品
“虽然许多公司自称使用人工智能，但实际上许多公司很少使用机器学习，而且大多使用基于规则的系统。人工智能与机器学习之间的混淆产生了一些重大问题。”SigOpt公司的McCourt说，“首先，它为人工智能和机器学习成功的实际情况创造了一个不断变化的目标。其次，这种模糊性为企业声称他们正在使用机器学习技术提供了空间，而不用担心他们会受到挑战。”
这是一个巨大的缺陷，特别是考虑到如此多的组织才刚刚开始（如果有的话）识别他们潜在的人工智能机会。加上大量的宣传炒作，缺乏对关键术语的理解使得很难正确评估选项。
Amplify.ai公司首席执行官de Silva指出，这并不是说人们应该忽视不同术语和技术之间的重叠和联系；相反，只是不应该将这些重叠和联系视为是相同的事情。人工智能所包含的各种学科，如机器学习、自然语言处理（NLP）和计算机视觉，在正确地结合使用时，可以产生放大效应。
他说：“重要的是要认识到，在这些研究和实施领域存在大量的交叉整合的机会，在这些领域，这些技术叠加起来将提供更多的实用性。”
只需确保组织清楚地看到不同的界限，以确保在当前和未来的人工智能项目中取得最大的成功几率。目前，了解人工智能和机器学习之间的区别是一个很好的基础。
Brock说，“对于首席信息官和IT决策者来说，熟悉概念，并与对概念及其应用有全面了解的团队（包括内部员工以及第三方供应商和顾问）合作是很重要的。在接下来的两年里，随着许多机器学习项目进入生产阶段，我们将看到机器学习项目的爆炸式增长，因此拥有适当的专业知识水平以确保这些项目的成功至关重要。”
什么是监督与无监督机器学习？
人们还要区分两种类型的机器学习。“在用例方面，监督机器学习在这一点上是更常见的。这种类型的机器学习通过提供有关所需类别参数的信息来训练机器，并让算法决定如何对它们进行分类。”Brock解释道。
Brock指出，另一方面，无监督机器学习不使用训练数据。因此它更复杂，在这一点上已经用于更少的应用程序。但是如果听到有人以可互换的方式地使用人工智能和机器学习，那么他们可能会考虑无人监督的机器学习，因为它不需要像监督机器学习一样需要更多的（如果有的话）人类输入和训练。
Brock说，“无监督的机器学习是人工智能未来的促进因素。无人监督的机器学习已经被用于（或正在开发中）图像识别、癌症检测、音乐合成、机器人导航、自动驾驶和许多其他创新等应用。”
